利用主成分分析比较R

我想比较几项不同措施的表现，即布雷·柯蒂斯、贾卡德、高尔。我已经看到使用主成分双标图实现了这一点，即参见下面的Legendre和Caceres，2013：

有什么建议吗？以下提供了样本数据：

# Load the required packages
library(ade4)
library(vegan)
library(FD)

#Load data
data(dune)

# Calculate a series of dissimilarity measures for the data
dune.bc <- vegdist(dune, method="bray")
dune.mh <- vegdist(dune, method="manhattan")
dune.eu <- vegdist(dune, method="euclidean")
dune.cn <- vegdist(dune, method="canberra")
dune.k <- vegdist(dune, method="kulczynski")
dune.j <- vegdist(dune, method="jaccard")
dune.g <- vegdist(dune, method="gower")
dune.m <- vegdist(dune, method="morisita")
dune.h <- vegdist(dune, method="horn")
dune.mf <- vegdist(dune, method="mountford")
dune.r <- vegdist(dune, method="raup")
dune.bi <- vegdist(dune, method="binomial")
dune.c <- vegdist(dune, method="chao")

#Compare the behaviour of the dissimilarity measures using a PCA plot
# Suggestions on how proceed with this step would be greatly appreciated!

---

嗯，作者不是这么做的。如果你读了那篇文章，PCA双图是每个相异系数的属性矩阵之一，而不是k个相异矩阵的PCA。基本上，他们通过PCA分析了表2中最右边的列，标记为*d*max。 我不知道一种比较相异矩阵的方法，除了通过Procrustes旋转和相关的抗议置换测试，或者Mantel测试，也许：参见Procrustes，抗议和Mantel

---

你可以将系数的rankindex和梯度值作为另一个比较。

听起来你想做的是第二阶段分析

取几个相异矩阵，在它们之间生成两两的秩相关，这将大大增加相异矩阵的相异矩阵。从那里你可以使用nmd来绘制它们。一般来说，你会发现类似的计算，如欧氏家族、布雷·柯蒂斯家族等。紧密团结在一起

退房： 通过第二阶段社区分析探索互动。2006年克拉克、萨默菲尔德、艾尔奥迪和沃里克

在这里，他们按照您的建议或要求执行：

---

生态研究中的相似性度量，包括分类学差异和剥蚀组合的zer调整的Bray-Curtis系数。2006克拉克、萨默菲尔德和查普曼。

感谢您的回复。是的，我知道PCA是基于1-0矩阵的相异性属性，我只是用它们的图形作为示例，说明我想说明相异性度量的不同行为。我将探讨您的建议，并在找到解决方案后发布答案。谢谢。@Elizabeth然后想想他们是如何构造数据的，输入数据中的每一列都是描述相异系数属性的变量。您已经计算了几个相异矩阵，因此只有与成对相异相关的数据。作者有1个数据矩阵，你有n个相异矩阵。那两个人永远不会合二为一。您判断或比较差异系数的标准是什么？您似乎对哪些地图最适合您的数据感兴趣？这与你所引用的论文完全不同。我接受你的观点。我最终要展示的是相似性指数的相似性，即它们为给定数据集生成的聚类、PCA或其他结果。我想以某种方式以图形方式显示这一点。当然，我可以显示一系列聚类或PCA结果，每个相似性度量一个结果，但我要寻找的是一种直接比较它们产生的结果差异的方法。@Elizabeth然后签出procrustes，用于比较由各自不同性产生的顺序。谢谢。我会这样做。